Qué es prompt engineering: guía práctica

OpenAI describe prompt engineering como escribir instrucciones eficaces para que un modelo genere contenido que cumpla tus requisitos de forma consistente. Google describe el diseño de prompts como crear solicitudes en lenguaje natural que produzcan respuestas precisas y de alta calidad. Anthropic trata el prompting como un oficio iterativo: definir criterios de éxito, probarlos y después mejorar un borrador de prompt.

En el trabajo diario, eso significa que estás dando forma a:

• la tarea que debe hacer el modelo
• el contexto que necesita para hacer bien el trabajo
• las condiciones que mantienen la respuesta útil
• la forma de salida que esperas
• ejemplos opcionales cuando las palabras no bastan para aclarar el patrón
• un paso de verificación cuando la precisión importa

Ya haces una versión ligera de esto cada vez que reformulas una petición a ChatGPT después de una primera respuesta floja. El prompt engineering formal solo vuelve ese ciclo deliberado y reutilizable.

Un prompt más largo no es automáticamente mejor. El detalle ayuda solo cuando sirve a la tarea. El contexto irrelevante, las reglas contradictorias y las peticiones acumuladas suelen hacer que los resultados sean menos fiables.

Los modelos generativos no son deterministas. El mismo prompt puede producir respuestas distintas en varias ejecuciones, y pequeños cambios de redacción pueden cambiar el tono, la estructura o la precisión. Un prompt claro reduce las suposiciones. Un prompt vago obliga al modelo a inventar audiencia, formato, longitud y prioridades.

Un buen prompting suele mejorar:

• la relevancia respecto a tu objetivo real
• la consistencia del formato y la longitud
• la utilidad para una audiencia concreta
• la probabilidad de que se respeten las condiciones

No elimina los límites del modelo. Anthropic señala que no todos los fallos se arreglan con más palabras en el prompt; la elección del modelo, las herramientas, la recuperación de información y la evaluación también pueden importar más. La calidad del prompt es una palanca entre varias.

La mayoría de prompts fuertes comparten unos bloques básicos:

• Tarea: una acción clara, como resumir, reescribir, clasificar, redactar, criticar o extraer.
• Contexto: el brief, texto fuente, datos del producto, audiencia o situación que el modelo debe usar.
• Condiciones: longitud, tono, exclusiones, nivel de lectura, reglas de marca o "usa solo el texto proporcionado".
• Objetivo de salida: viñetas, tabla, cuerpo de email, campos JSON, beats de guion o descripción de escena.
• Ejemplos: una a tres muestras del patrón deseado cuando el requisito es difícil de describir.
• Verificación: pide al modelo que revise supuestos, señale información faltante o compare el borrador con tu checklist antes de finalizar.

Separa las instrucciones del material de referencia. Coloca el artículo, transcripción o notas de origen en un bloque claramente marcado para que el modelo no trate tus datos como parte de las instrucciones. La documentación de prompting de Anthropic recomienda separación estructurada, por ejemplo con etiquetas de estilo XML, por este motivo.

Esta guía usa un método sencillo que llamamos TCCOEV. Es una checklist práctica, no un estándar de la industria ni una ley científica. Usa las partes que necesites y omite las secciones vacías.

Tarea:
[Qué debe hacer la IA]

Contexto:
[Información de fondo o material fuente relevante]

Condiciones:
[Reglas, límites, exclusiones, tono, audiencia]

Objetivo de salida:
[Formato, longitud, estructura]

Ejemplos:
[Ejemplos opcionales del resultado deseado]

Verificación:
[Qué debe comprobar la IA antes de finalizar]

Ejemplo completo:

Tarea:
Reescribe esta actualización de producto para clientes.

Contexto:
<notas>
Lanzamos informes semanales de uso para planes Team.
Los informes se exportan a CSV. No hay cambio de precio.
</notas>

Condiciones:
Amable, concreto, sin jerga. No inventes funciones. Menos de 120 palabras.

Objetivo de salida:
Asunto + cuerpo breve de email con una sola llamada a la acción.

Ejemplos:
Asunto: Tu informe semanal de uso está listo
Cuerpo: Mantén el mismo tono tranquilo y directo.

Verificación:
Lista cualquier afirmación no respaldada por las notas y después da el email final.

Para patrones de prompt más prácticos y consejos de escritura antes y después, lee Cómo escribir mejores prompts de IA.

Débil: "Escribe un post de LinkedIn sobre IA."

Mejorado: "Escribe un post de LinkedIn para marketers freelance. Enfoque: cómo los briefs más claros reducen rondas de revisión con herramientas de IA. 120-150 palabras. Empieza con una escena concreta y termina con una pregunta. Sin hashtags. Sin palabras grandilocuentes."

Débil: "Resume esto."

Mejorado: "Resume el artículo siguiente para una fundadora ocupada en cinco viñetas. Cada viñeta debe tener menos de 20 palabras. Separa los hechos de las opiniones del autor. Si un punto no está claro en la fuente, dilo."

Débil: "Haz una imagen de una cafetería."

Mejorado: "Plano amplio fotorrealista de una pequeña cafetería de barrio durante la hora punta de la mañana, luz cálida de ventana, dos baristas detrás de una barra de madera, pizarra de menú escrita a mano con las palabras 'House Blend', poca profundidad de campo, sin marca de agua."

Las versiones mejoradas definen el trabajo, la audiencia, los límites y el entregable. Eso es prompt engineering en la práctica.

Para modelos de chat y escritura, la claridad gana a la astucia. OpenAI, Anthropic y Google insisten en instrucciones específicas, contexto relevante y ejemplos cuando el formato importa.

Patrones útiles:

• Indica la audiencia y el objetivo en las primeras líneas.
• Da el material fuente en un bloque etiquetado y pide al modelo que se ciña a él.
• Pide una estructura concreta: esquema, tabla, email, checklist o campos JSON.
• Incluye un ejemplo corto cuando el estilo o las etiquetas sean ambiguos.
• Pide al modelo que declare supuestos, señale incertidumbre o verifique el borrador frente a tus condiciones.

Sobre "mostrar el razonamiento": algunos sistemas modernos deliberan internamente antes de responder. La guía de razonamiento de OpenAI dice que esos modelos suelen funcionar mejor con prompts simples y directos, y que pedirles razonamiento interno detallado normalmente es innecesario y puede perjudicar el rendimiento. La documentación de Azure OpenAI de Microsoft también indica que los tokens de razonamiento son internos y que intentar extraer el razonamiento oculto sin procesar no está soportado.

Alternativas más seguras cuando necesitas transparencia:

• pide una explicación breve de la recomendación
• pide supuestos y preguntas abiertas
• pide una checklist de comprobaciones realizadas
• pide un plan corto cuando el plan en sí sea el entregable
• pide cálculos intermedios cuando esos números formen parte de la respuesta
• pide fuentes o pruebas del material proporcionado
• pide al modelo que critique o verifique su propio borrador antes de finalizar

No trates una autoexplicación larga como prueba de que la respuesta es correcta. Verifica tú mismo los hechos importantes.

Los prompts de imagen describen una escena que el modelo debe renderizar. La guía de prompts de imagen de Google suele organizar el detalle alrededor de sujeto, acción, entorno, estilo, iluminación y cámara. La documentación de imagen de OpenAI también enfatiza instrucciones descriptivas para generación y edición.

Pon los datos visuales importantes al principio:

• quién o qué aparece en el encuadre
• qué está haciendo
• dónde ocurre la escena
• estilo, como foto, ilustración, 3D o póster
• iluminación y ambiente
• composición o notas de cámara
• texto que debe aparecer en la imagen, escrito exactamente
• qué evitar, como artefactos de dedos extra, marcas de agua o logos no deseados

El prompting de imagen es iterativo. Cambia una variable cada vez: iluminación, recorte o fondo. Para flujos de imagen más profundos, lee la Guía de prompts de imagen IA.

Los prompts de vídeo necesitan una línea de tiempo, no solo una escena fija. Describe el sujeto, la acción, el movimiento de cámara, el entorno y, cuando el producto lo admita, audio hablado o ambiental. Prefiere una acción continua a un montaje de momentos inconexos.

La documentación actual de vídeo de la API de Gemini de Google recomienda empezar con Gemini Omni Flash para la mayoría de generaciones y ediciones conversacionales, y usar Veo cuando necesites capacidades como extensión de escena, control del último fotograma o flujos heredados específicos. Los valores por defecto de los productos cambian, así que revisa la documentación del proveedor de la herramienta que uses.

Consejos prácticos:

• indica expectativas de duración solo cuando el producto las acepte
• especifica movimiento de cámara, como acercamiento lento, seguimiento en mano o plano amplio fijo
• mantén la apariencia del personaje consistente entre turnos al editar de forma conversacional
• evita meter cinco giros de trama en un clip corto

Para elegir modelo y ver ejemplos más completos, lee la Guía de prompts de vídeo IA.

• Objetivos vagos: "Mejora esto" sin decir mejor para quién ni según qué criterio.
• Rellenar el prompt: añadir mucho contexto no relacionado porque "más detalle siempre ayuda".
• Instrucciones contradictorias: "Sé breve" y "cubre todos los ángulos en profundidad" en el mismo prompt.
• Falta de forma de salida: pedir análisis sin decir si quieres viñetas, memo o tabla.
• Instrucciones mezcladas con texto fuente: el modelo puede seguir la parte equivocada del prompt.
• Un prompt para cinco trabajos: investigar, escribir, diseñar y criticar a la vez; separa el trabajo.
• Perseguir razonamiento oculto: exigir pensamiento interno privado en lugar de comprobaciones claras que puedas revisar.
• Saltar la verificación: publicar afirmaciones factuales, legales, médicas o financieras sin revisión humana.

Trata el primer prompt como un borrador. La guía de diseño de prompts de Google es explícita: itera según las respuestas observadas. Anthropic recomienda definir criterios de éxito y probarlos antes de pulir la redacción.

1. Ejecuta el prompt con una entrada realista.
2. Nombra el mayor fallo: audiencia equivocada, condición ausente, mal formato, hechos inventados o estructura débil.
3. Cambia una sola cosa dirigida a ese fallo.
4. Vuelve a probar con la misma entrada y con un caso límite nuevo.
5. Guarda la versión que funciona, con una nota sobre el modelo y la tarea.

Si pequeños cambios de redacción alteran mucho el resultado, añade estructura: etiquetas, ejemplos y un contrato de salida más estricto. Si el modelo sigue sin poder hacer el trabajo, el límite puede estar en el modelo, en herramientas ausentes o en datos fuente incompletos, no solo en el prompt.

• precisión perfecta o hechos actualizados
• resultados idénticos entre modelos o ejecuciones
• cero alucinaciones
• acceso a los pensamientos internos privados de un modelo
• una plantilla universal que gane en todas las tareas
• resultados seguros para decisiones de alto riesgo sin revisión experta

Usa los prompts para mejorar la utilidad. Verifica las afirmaciones importantes. Para trabajo médico, legal, financiero o crítico para la seguridad, trata la salida de IA como un borrador para revisión humana cualificada.

¿Sigue siendo útil el prompt engineering ahora que los modelos son más potentes?
Sí. Los modelos más potentes siguen necesitando una tarea clara, contexto y forma de salida. Los mejores modelos suelen seguir las instrucciones de forma más literal, lo que hace que los prompts precisos sean más valiosos, no menos.

¿Necesito prompts diferentes para cada producto de IA?
Los hábitos centrales se transfieren: claridad, contexto, condiciones y ejemplos. La sintaxis, los valores por defecto y los controles de cada modalidad cambian según el producto, así que conviene guardar una nota breve de lo que funciona en cada herramienta.

¿Debo incluir ejemplos siempre?
No. Empieza simple. Añade ejemplos cuando el formato, las etiquetas o los casos límite sean ambiguos. La guía de razonamiento de OpenAI también señala que algunos modelos de razonamiento suelen funcionar bien en zero-shot antes de añadir ejemplos.

¿Basta con decir "actúa como un experto"?
Un rol puede fijar el tono, pero no sustituye la tarea, las condiciones y el formato de salida. Los briefs específicos funcionan mejor que los títulos prestigiosos pero vagos.

¿Puede un prompt obligar al modelo a revelar razonamiento oculto?
No cuentes con eso. Prefiere explicaciones breves, supuestos, checklists y pasos de verificación que puedas inspeccionar. El razonamiento oculto no es una prueba de corrección para el usuario.

Prompt engineering es diseño claro de tareas más iteración. Di qué hay que hacer, da el contexto que importa, fija condiciones, define la salida, añade ejemplos cuando hagan falta y pide comprobaciones que puedas revisar. Adapta los mismos hábitos para texto, imagen y vídeo. Mantén los prompts tan simples como permita el trabajo y verifica todo lo importante antes de usarlo.

Siguiente paso: practica con la herramienta gratuita de prompts de texto, o profundiza en Cómo escribir mejores prompts de IA.